Более экологичное будущее благодаря ИИ для компьютерного зрения и Ultralytics YOLO

TrashBestie — новое приложение, которое помогает сортировать отходы и управлять ими по-новому и эффективнее с помощью компьютерного зрения. TrashBestie использует глубокое обучение и передовые технологии, чтобы помогать людям делать планету чище и устойчивее.

Команда TrashBestie мечтает о будущем, в котором отходы станут не проблемой, а возможностью позитивных перемен. Сортировка отходов важна для защиты окружающей среды, экономии ресурсов и сокращения загрязнения. С этой целью TrashBestie стала цифровым решением, которое помогает каждому легко принимать обоснованные решения об управлении отходами. Цель ясна: вдохновить людей на совместный переход к ответственному обращению с отходами и создать более чистую планету для будущих поколений.

Знакомься с командой TrashBestie#

Прежде чем рассмотреть технологии, лежащие в основе TrashBestie, познакомимся с её создателями:

• Хельге Рёллеке: имея опыт работы в сфере продаж медицинских услуг, Хельге перешёл в науку о данных и исследовал эффективность компаний и вознаграждение руководителей. Он также увлекается грибами и открыт для новых возможностей в области науки о данных.
• My: Специалистка по данным и фронтенд-разработчица, которая объединяет свои навыки для решения сложных задач и создания удобных веб-приложений.
• Simantini Shinde: Младший специалист по данным, обладающая знаниями в области анализа данных, машинного обучения и других направлений. Simantini активно поддерживает разработку ПО с открытым исходным кодом, постоянно изучает новые технологии и стремится вести сбалансированный и экологичный образ жизни.

Путь к машинному обучению и ИИ для компьютерного зрения#

Helge начал изучать машинное обучение во время работы над магистерской диссертацией, исследуя связь между зарплатой руководителя и успехом компании. Для этого он использовал регрессионные модели и методы машинного обучения. В Bootcamp Spiced Academy Helge смог глубже погрузиться в мир ИИ для компьютерного зрения. Там он экспериментировал с глубоким обучением и убедился в полезности моделей Ultralytics YOLO.

My заинтересовалась машинным обучением благодаря другу, который делился своими проектами в области науки о данных. Её увлекло то, как данные помогают находить закономерности и оптимизировать процессы. Поэтому она записалась в Bootcamp, где познакомилась с Simantini и Helge.

Simantini начала изучать машинное обучение во время работы над магистерской диссертацией. Она обнаружила потенциал машинного обучения в своей сфере — оценке ущерба зданиям, нанесённого землетрясениями. После выпуска Simantini сменила несколько должностей, связанных с данными. В итоге эта работа привела её в учебный лагерь по науке о данных и пробудила интерес к машинному обучению и ИИ для компьютерного зрения.

Почему TrashBestie выбрала Ultralytics YOLO#

Использование Ultralytics YOLOv8 в качестве основного инструмента в TrashBestie — стратегическое решение.

• Удобство использования: Благодаря открытому исходному коду и простоте Ultralytics YOLOv8 оказался для команды доступным инструментом.
• Точность: Ultralytics YOLOv8 обеспечил более высокую точность, особенно по показателям precision.
• Гибкость: команда смогла интегрировать Ultralytics YOLOv8 с Roboflow, улучшив свой рабочий процесс.

Как работает TrashBestie?#

TrashBestie работает как персональный помощник по сортировке отходов и использует искусственный интеллект, чтобы упростить этот процесс до четырёх понятных шагов:

1. Сними предмет на камеру. Сфотографируй отход, который не знаешь, как правильно утилизировать.
2. Мгновенное распознавание. Благодаря обнаружению объектов с помощью Ultralytics YOLOv8 приложение быстро анализирует изображения и определяет различные виды отходов.
3. Полезные знания. TrashBestie не ограничивается рекомендациями. Этот инструмент помогает пользователям понять предложенные способы утилизации отходов. Это способствует долгосрочному обучению и формированию осознанных привычек обращения с отходами.
4. Простота и доступность. Приложение удобно и доступно каждому, поэтому сортировать отходы с заботой об окружающей среде может любой владелец устройства Android.

Попробуй

Обнаружение объектов с веб-камеры

Создание TrashBestie#

Разработка TrashBestie состоит из нескольких важных этапов:

1. Разметка и аннотирование. Изображения тщательно размечают и аннотируют с помощью таких инструментов, как Roboflow, чтобы создать надёжный датасет для обучения.
2. Экспорт датасета. После экспорта размеченного датасета набор данных для обнаружения объектов готов к обучению.
3. Обучение с Ultralytics YOLOv8. Модель YOLOv8 обучают на экспортированном датасете, настраивая её параметры для повышения точности обнаружения объектов.
4. Развёртывание в Streamlit. Модель Ultralytics YOLOv8 интегрирована в приложение Streamlit, что обеспечивает эффективное и точное обнаружение объектов. Это приложение размещено на GitHub и использует YOLOv8 и Streamlit для обнаружения объектов и отслеживания.

Будущее TrashBestie#

TrashBestie продолжает развиваться: команда добавляет локализацию, делает приложение доступнее на iOS и Android и совершенствует методы обработки изображений. Команда стремится постоянно повышать производительность и точность приложения.

Посмотри их проект на Devpost: там есть галерея изображений и видео на YouTube с подробным рассказом об их работе.

TrashBestie стремится упростить управление отходами и помочь сделать планету чище и устойчивее. Это первый шаг, который также может изменить отношение людей к карьере в сфере управления отходами. Следи за их продвижением к более экологичному будущему!

Свяжись с командой TrashBestie:#

Helge: LinkedIn, GitHub

Simantini: LinkedIn, GitHub, Medium

My: LinkedIn